[发明专利]异常行为检测方法、装置和可读存储介质

权利要求书

1.一种异常行为检测方法，包括：

获取用户标识的当前状态，所述用户标识的当前状态包括进入虚拟交互场景前、处于虚拟交互场景中和退出虚拟交互场景后；

根据所述用户标识的当前状态获取所述用户标识对应的用户行为数据；

当所述用户标识的当前状态为进入虚拟交互场景前，将所述用户标识的历史行为数据输入第一预测模型，得到所述用户标识存在异常行为的概率值；所述历史行为数据包括历史交互数据、历史被举报数据、历史被扣分数据和历史被点赞数据，所述历史交互数据为所述用户标识在虚拟交互场景中产生的数据；

当所述用户标识的当前状态为处于虚拟交互场景中，将所述用户标识的行为序列数据输入第二预测模型，得到所述用户标识存在异常行为的概率值；所述行为序列数据包括所述用户标识的位置信息、能力属性和所述用户标识对应的会话信息；

当所述用户标识的当前状态为退出虚拟交互场景后，将所述用户标识的全局行为数据输入第三预测模型，得到所述用户标识存在异常行为的概率值；所述全局行为数据包括所述用户标识的被举报数据，虚拟交互结果和处于虚拟交互场景时的行为序列数据，所述虚拟交互结果是所述用户标识在虚拟交互场景中获得的虚拟对象交互的结果；

当所述用户标识存在异常行为的概率值超过阈值时，确定所述当前状态下的用户标识为异常用户标识。

2.根据权利要求1所述的方法，其特征在于，所述将所述用户标识的历史行为数据输入第一预测模型，得到所述用户标识存在异常行为的概率值，包括：

将所述历史交互数据、历史被举报数据、历史被扣分数据和历史被点赞数据输入第一预测模型，得到所述用户标识存在异常行为的概率值；

所述方法还包括：

当所述用户标识存在异常行为的概率值超过阈值时，为所述用户标识匹配概率值超过所述阈值的其余用户标识。

3.根据权利要求2所述的方法，其特征在于，所述将所述历史交互数据、历史被举报数据、历史被扣分数据和历史被点赞数据输入第一预测模型，得到所述用户标识存在异常行为的概率值，包括：

通过所述第一预测模型根据所述历史交互数据、历史被举报数据和历史被扣分数据确定所述用户标识的被举报分值；

根据所述历史交互数据和历史被点赞数据确定所述用户标识的被点赞分值；

根据所述用户标识的被举报分值和被点赞分值确定所述用户标识存在异常行为的概率值。

4.根据权利要求2所述的方法，其特征在于，所述当所述用户标识存在异常行为的概率值超过阈值时，为所述用户标识匹配概率值超过所述阈值的其余用户标识，包括：

当所述用户标识存在异常行为的概率值超过阈值时，将所述用户标识加入黑名单，所述黑名单中包括异常行为的概率值超过所述阈值的用户标识；

当接收到所述用户标识的匹配请求时，为所述用户标识匹配所述黑名单中的其余用户标识。

5.根据权利要求1所述的方法，其特征在于，所述将所述用户标识的行为序列数据输入第二预测模型，得到所述用户标识存在异常行为的概率值，包括：

将所述用户标识的位置信息、能力属性和所述用户标识对应的会话信息输入第二预测模型，得到所述用户标识处于虚拟交互场景时存在异常行为的概率值；

所述方法还包括：

当所述用户标识处于虚拟交互场景时存在异常行为的概率值超过阈值时，对所述用户标识发出警告信息。

6.根据权利要求5所述的方法，其特征在于，获取所述用户标识的行为序列数据，包括：

按照预设时间间隔获取所述用户标识的行为序列数据，得到当前时间段的行为序列数据；

所述将所述用户标识的位置信息、能力属性和所述用户标识对应的会话信息输入第二预测模型，得到所述用户标识处于虚拟交互场景时存在异常行为的概率值，包括：

将所述当前时间段的行为序列数据进行编码和拼接处理；

获取所述用户标识在当前时间段之前的其余时间段的经过编码和拼接处理后的行为序列数据；

将每个时间段的经过编码和拼接处理后的行为序列数据输入循环神经网络和深度神经网络，得到所述用户标识处于虚拟交互场景时存在异常行为的概率值。